Ling-1T上線后，螞蟻再接再厲，推出全球首個開源的萬億參數思考模型 Ring-1T。基于 Ling 2.0 架構構建，通過純自然語言推理，可達到 IMO 銀牌的推理能力。

早在 9 月 30 日，螞蟻就已放出 Ring-1T-preview 版本。該版本模型擁有出色的自然語言推理能力，一推出便在多項榜單上嶄露頭角。

此次發布主要披露了 Ring-1T 完整的訓練流程，包括繼續通過大規�？沈炞C獎勵強化學習（RLVR）進一步增強推理能力，并結合人類反饋強化學習（RLHF）提升通用表現，模型整體能力更均衡。

螞蟻官方表示，他們的目標是進一步釋放 Ring-1T 的推理潛力并提高長上下文下的對齊和效率。

出色的推理能力

Ring-1T 采用 Ling 2.0 架構，并在 Ling-1T-base 基礎模型上進行訓練。該模型包含 1 萬億個總參數，其中 500 億個激活參數，支持高達 128K 個 token 的上下文窗口。

螞蟻還借助自主研發的 icepop 強化學習穩定化方法和高效的強化學習系統 ASystem，實現了 MoE 架構強化學習的平滑擴展——從數百億（Ring-mini-2.0）到數千億（Ring-flash-2.0）再到數萬億（Ring-1T）的參數規模，顯著提升了模型的深度推理和自然語言推理能力。

為了評估 Ring-1T 的深度推理能力，螞蟻選取了具有代表性的開源思維模型，如 Deepseek-V3.1-Terminus-Thinking、Qwen-235B-A22B-Thinking-2507、Gemini-2.5-Pro 和 GPT-5-Thinking 作為基準測試。

首先，相比此前開源的預覽版，Ring-1T 在各項任務上展現出更加均衡的性能。此外，Ring-1T 在數學競賽 （AIME 25、HMMT 25）、 代碼生成 （LiveCodeBench、CodeForce）、 邏輯推理 （ARC-AGI-1）等高難度推理基準測試中均取得了開源領域領先的性能。

在綜合任務（Arena-Hard-v2.0）、 醫療保健 （HealthBench）和創意寫作 （Creative Writing v3） 等測試中，Ring-1T 也展現出強勁的競爭力。

為了更客觀地分析 Ring-1T 的深度推理能力，團隊還使用了今年 7 月舉辦的 IMO 2025（國際數學奧林匹克）和最近結束的 ICPC 2025 世界總決賽（國際大學生程序設計競賽世界總決賽）進行了測試。

在 IMO 2025 的測試中，Ring-1T 一次性解決了問題 1、3、4 和 5，可達到 IMO 銀牌水平。在第三次嘗試中，它還對一個關于幾何證明的問題給出了近乎完美的答案。

問題 6 最具有挑戰性，IMO 2025 中沒有一位 AI 選手能夠正確解答。Ring-1T 給出了與 Gemini 2.5 Pro 相同的答案——“4048”（正確答案為 2112）。研究人員表示，通過持續優化，Ring-1T 未來有潛力在 IMO 中一次性達到金牌水平。

在允許模型直接求解三次問題的測試中，團隊分別對比了 GPT-5-Thinking、Gemini-2.5-Pro 和 Ring-1T 的解題能力。結果表明，Ring-1T 在國際頂級編程比賽中也表現出色。

全新的強化學習框架

隨著序列長度和訓練步長的增加，訓練引擎和推理引擎之間運算符實現的差異會變得越來越明顯，尤其是在長序列生成和訓練周期延長的情況下。

團隊提出了 Icepop 算法，通過掩蔽雙向截斷技術校正分布，有效縮小了訓練階段和推理階段之間的差距，從而“冷卻”了迅速擴大的訓練-推理差異。

為了保障萬億參數基礎模型的強化學習訓練穩定高效，團隊還自主研發了高性能強化學習系統——ASystem。ASystem 采用 SingleController+SPMD 架構，對內存管理和權重交換挑戰進行了精心優化，可實現秒級零冗余的模型權重交換。

對于強化學習訓練框架，研究團隊基于大規模無服務器沙箱技術構建了混合獎勵系統。該系統支持超過 10 種編程語言的執行環境，并處理高達 10K/s 的請求吞吐量。系統目前已經開源。

然而，Ring-1T 也有不少局限性。當前版本存在身份識別偏差、語言混合、重復生成等問題。此外，由于其注意力機制仍沿用 Ling 2.0 的 GQA 方法，在長上下文場景下的推理效率仍有提升空間。

研究人員表示，Ring-1T 的訓練仍在進行中，將在未來的版本中繼續優化這些問題。

參考資料：

https://huggingface.co/inclusionAI/Ring-1T